Python 如何结合使用过采样和欠采样？学习不平衡

我想对一些大数据进行重采样（类大小：8mio vs 2700） 我希望通过2类过采样和1类欠采样获得每个样品的50000个样本。 imblearn似乎提供了过采样和欠采样的混合，但我不知道它是如何工作的

from collections import Counter
from imblearn.over_sampling import SMOTENC
from imblearn.under_sampling import TomekLinks
from imblearn.combine import SMOTETomek

smt = SMOTETomek(random_state=1)
X_resamp, y_resamp = smt.fit_resample(data_all[29000:30000], labels_all[29000:30000])

在数据看起来像

>>Counter(labels_all[29000:30000])
>>Counter({0: 968, 9: 32})

然后呢

>>Counter(y_resamp)
>>Counter({0: 968, 9: 968})

正如我所期待或希望的那样

>>Counter(y_resamp)
>>Counter({0: 100, 9: 100})

---

似乎只有32条类为

9

的记录，因此它对该类进行过采样，并将其数据记录与类

0

的数据记录对齐，因此

9:968

---

您正在谈论将数据集减少到100条记录，您可以为每个类随机抽样100条记录，从

X

和

Y

（相同的100条记录）或像

Y\u重新映射[：100]

是的，你是对的，我只是希望像

SMOTETomek

这样的过采样和欠采样组合可以一步完成。现在，我首先通过

data\u all[labels\u all==0]对类0进行下采样，然后使用“SMOTE”对简化后的数据集进行过采样。我只是希望有一个更复杂的解决方案，随机下采样。我正在从850万个对象降采样到10000个，所以我希望有办法获得10000个最多样化的观察结果。